Kandinsky 6.0 Pro 图生视频提示词配方：可直接复制的提示词，获得更好的运动效果

Warum die Struktur eines Prompts wichtiger ist als seine Länge

Ein Prompt für 图生视频 ist keine längere Version eines 文生图-Prompts. Wenn du ein Referenzbild bereitstellst, weiß das Modell bereits, wie die Szene aussieht. Dein Prompt muss beschreiben, was sich in diesem Video verändert – und nicht neu beschreiben, was ohnehin sichtbar ist.

Dieser Rollenwechsel erklärt, warum ein strukturierter Prompt aus 12 Wörtern meist einen 120 Wörter langen Absatz schlägt. Lange Absätze vermischen Subjektbeschreibung, Bewegungsabsicht, Kamerverhalten und Stilerwartungen zu einer untrennbaren Mixtur. Das Modell kann nicht erkennen, welcher Nebensatz die Kamera und welcher das Subjekt steuert, also wählt es einen Kompromiss: Die Kamera driftet ein wenig, das Subjekt bewegt sich ein wenig – das Ergebnis wirkt verwaschen.

Strukturierte Prompts trennen die Anliegen in Schichten:

• Subjektanker – kurzer Rückverweis darauf, was im Referenzbild enthalten ist, um zu bestätigen, was stabil bleiben soll.
• Bewegungshinweis – die gewünschte konkrete physikalische Veränderung, mit Richtung und Intensität.
• Kamerabeschreibung – ein eigener Nebensatz, der ausschließlich die virtuelle Kamera beschreibt.
• Stilvorgaben – Leitplanken für Aussehen, Textur und Konsistenz.

Jede Schicht bleibt innerhalb eines Satzes oder einer Phrase. Das Ziel ist nicht Kürze um der Kürze willen, sondern Parsierbarkeit: Jede Schicht ist eine Variable, die du während der Iteration unabhängig ändern kannst. Ein geschichteter Prompt ist zugleich ein Generierungswerkzeug und ein Debugging-Werkzeug.

Ein weiterer Grund, warum Struktur gewinnt: Reproduzierbarkeit. Wenn ein Video gut aussieht, musst du wissen, warum es gut aussieht, um es wiederzuverwenden. In einem Absatz ist der Grund begraben. In Schichten kannst du die Gewinnerschicht in dein nächstes Experiment kopieren und nur die Schicht variieren, die du gerade testest.

Praktische Regel

Wenn ein Wort im Prompt weder das Subjekt des Referenzbilds noch die Bewegung, die Kamera oder eine Stilvorgabe beschreibt, ist es wahrscheinlich Rauschen. Entferne es, generiere neu und vergleiche. In den meisten Fällen erhält die kürzere strukturierte Version das Bild besser und liefert sauberere Bewegung.

Voraussetzungen dieser Anleitung

Alles Folgende ist für den Aufruf von kandinsky-6.0-pro 图生视频 über die einheitliche Schnittstelle von HiAPI.ai geschrieben, wobei der 图生视频-Aufruf ein Referenzbild plus einen Prompt benötigt und ein generiertes Video zurückgibt. Diese Rezepte sind reiner Text – ohne spezielle Syntax – und funktionieren daher in jedem Client, der denselben Endpunkt aufruft.

Die Anatomie eines 图生视频-Prompts

Betrachte den Prompt als Tabelle mit vier Slots. Fülle sie jedes Mal in derselben Reihenfolge aus, damit deine Experimente vergleichbar bleiben.

Slot 1: Subjektanker

Eine kurze Phrase, die benennt, was erkennbar bleiben muss. Das ist keine vollständige Beschreibung – das Bild trägt diese bereits. Es ist ein Stabilitätssignal.

Beispiele: the woman, the ceramic vase, the mountain ridge, the abstract shapes.

Vermeide es, bereits sichtbare Details neu zu spezifizieren. Kleidung, Beleuchtung oder Farben neu zu beschreiben, verleitet das Modell dazu, sie zu „verbessern“, was sich als Flackern oder Drift der Subjektidentität äußert.

Slot 2: Bewegungshinweis

Eine Hauptbewegung, ausgedrückt durch Verb, Richtung und einen Intensitätsmodifikator.

Beispiele: turns her head slowly to the left, gently sways side to side, drifts steadily upward.

Wähle pro Video nur eine Hauptbewegung. Zwei konkurrierende Bewegungen ähnlicher Intensität sind die häufigste Ursache für ein trübes Ergebnis.

Slot 3: Kamerabeschreibung

Ein eigener Nebensatz, der mit Kamera-Vokabular beginnt: camera, the camera oder shot. Das Subjekt aus diesem Nebensatz herauszuhalten ist der Schlüssel zu vorhersehbarem Kamerverhalten.

Beispiele: camera slowly pushes in, camera holds static, camera pans left at a steady rate.

Slot 4: Stilvorgaben

Leitplanken für Aussehen und Konsistenz. Kurz ist in Ordnung.

Beispiele: photorealistic, consistent lighting, no flicker, flat illustration style, stable linework, cinematic color grade, shallow depth of field.

Zusammensetzen

the woman, turns her head slowly to the left, camera holds static, photorealistic, consistent lighting

Das ist die vollständige Anatomie. Achtzehn Wörter, vier Slots, eine kontrollierbare Idee. Jedes weitere Rezept in dieser Anleitung hat dieselbe Form, nur mit anderem Inhalt in Slot 2 und Slot 3.

Slot-Disziplin

Zwei Gewohnheiten verankern diese Anatomie:

• Feste Reihenfolge. Immer Subjekt, Bewegung, Kamera, Stil. Wenn du alte Prompts wieder liest, sagt dir die Reihenfolge sofort, welche Schicht du geändert hast.
• Nur eine Idee pro kommagetrenntem Nebensatz. Kommas wirken als weiche Trenner; wenn ein Nebensatz sowohl Subjektaktion als auch Kamerabewegung enthält, teile ihn auf.

Bewegungshinweis-Rezepte für häufige Subjekttypen

Die Wirkung von Bewegungsformulierungen hängt davon ab, was im Bild ist. Dies sind direkt kopierbare Ausgangspunkte – ersetze die eckigen Klammern durch dein eigenes Subjekt.

Personen und Charaktere

Menschliche Subjekte reagieren am empfindlichsten auf Überanimation. Kleine, konkrete Bewegungen wirken natürlich; große Bewegungen wirken unheimlich.

• [the person], blinks and turns their head slightly toward [direction], camera holds static, natural skin texture
• [the person], smiles subtly while breathing, shoulders rise and fall gently, camera holds static
• [the person], walks slowly toward the camera, steady gait, camera pulls back at the same pace
• [the person], raises one hand to [gesture], other hand stays still, camera holds static

Verwende bei Gesichtern häufiger subtly, slightly und gently – sie sind Intensitätsdämpfer.

Objekte und Produkte

Objekte brauchen eine saubere, klar umrissene Transformation. Rotation und Lichtbewegung sind am sichersten.

• [the object], rotates slowly clockwise, camera holds static, product photography lighting, no flicker
• [the object], subtle highlight travels across its surface, object stays still, camera holds static
• [the object], gently floats and bobs in place, soft shadow moves with it, camera holds static
• [the object], lid opens slowly, body remains stationary, camera holds static

Natur und Umgebung

Außenszenen vertragen mehr Bewegung, weil das Publikum Umgebungsdynamik erwartet – aber sie sollte von groß nach klein geschichtet werden.

• [the landscape], clouds drift slowly to the right, camera holds static, consistent lighting
• [the landscape], water ripples gently, [foreground element] sways in a light breeze, camera holds static
• [the landscape], fog rolls slowly forward from the background, camera holds static
• [the landscape], sun light shifts from warm to cool across the scene, camera holds static

Abstrakte und stilisierte Eingaben

Abstrakte Bilder haben keine physikalische Logik, auf die sie sich stützen können, daher muss die Geometrie der Bewegung explizit benannt werden.

• [the abstract shapes], expand outward from the center at a steady rate, camera holds static
• [the abstract shapes], flow in a continuous horizontal loop, camera holds static, stable palette
• [the abstract shapes], slowly morph into softer forms, camera holds static
• [the abstract shapes], pulse gently in place, rhythm stays even, camera holds static

Das Muster erkennen

Das Skelett jedes Rezepts oben ist gleich: Verb + Richtung + Intensität. Wenn ein Video Probleme macht, liegt die Korrektur fast immer in einem dieser drei Teile – falsches Verb (Rotation statt Translation), fehlende Richtung oder fehlende Intensitätsdämpfung.

Kamerabeschreibungs-Rezepte

Kamera-Sprache funktioniert nur, wenn sie isoliert ist. Diese Formulierungen setzen voraus, dass der Subjekt-Nebensatz bereits existiert und die Kamera nicht erwähnt.

Feste Kamera

• camera holds static, locked-off shot
• camera is completely still, no movement

Wenn der Szeneninhalt belebt ist, lohnt sich die explizite Formulierung no movement; sie gibt dem Modell eine harte Vorgabe, um sich gegen die Umgebungsbewegung des Subjekts zu stemmen.

Schwenk

• camera pans slowly left across the scene
• camera pans right at a steady rate
• camera pans horizontally, constant speed

Füge immer eine Richtung und ein Geschwindigkeitswort hinzu (slowly, steady, constant). Sonst beschleunigt oder kehrt der Schwenk mitten im Video oft um.

Dolly-in und Dolly-out

• camera slowly pushes in toward the subject
• camera pulls back gradually, revealing more of the scene
• camera dolly-in at a slow, even pace

Dolly-in und Dolly-out sind die stärkste einzelne Kamerabewegung, um ein statisches Referenzbild zum Leben zu erwecken. Kombiniere sie mit einem fast unbewegten Subjekt für maximale Kontrolle.

Orbit und Bogen

• camera orbits slowly around the subject, arc of about 30 degrees
• camera arcs to the right, maintaining distance from the subject

Der Orbit ist die fehleranfälligste Kamerabewegung im 图生视频, weil das Zeigen nie gesehener Seiten vom Modell verlangt, Geometrie aus dem Nichts zu erfinden. Halte den Bogen kurz und benenne ihn explizit. Wenn das Video zusammenbricht, reduziere die Bogenformulierung auf slight arc oder falle auf Dolly-in zurück.

Neigen und vertikale Bewegung

• camera tilts upward slowly
• camera rises vertically, keeping the subject centered

Subjektbewegung und Kamerabewegung kombinieren

Wenn sich Subjekt und Kamera beide bewegen, halte ihre Richtungen kompatibel statt entgegengesetzt:

the runner, jogs slowly toward the camera, camera pulls back at the same pace, outdoor daylight, consistent lighting

Subjekt bewegt sich vorwärts plus Kamera zieht sich zurück liest sich als stabiler Tracking-Shot. Subjekt bewegt sich vorwärts plus Kamera fährt ebenfalls vorwärts liest sich als Kollisionskurs und verformt sich meist.

Nur eine Kamerabewegung pro Video

Stapel nicht Schwenk, Dolly-in und Neigen übereinander. Eine benannte Kamerabewegung erzeugt ein vorhersehbares Video; zwei konkurrierende Bewegungen erzeugen einen Kompromiss, der wie Drift wirkt. Wenn ein bestimmter Shot tatsächlich eine zusammengesetzte Bewegung benötigt, teste sie zuerst separat und kombiniere sie dann mit der Subjektbewegung.

Eine anpassbare Copy-and-paste-Rezeptvorlage

Das ist die vollständige Vorlage. Fülle die eckigen Klammern aus, lösche optionale Zeilen, die du nicht brauchst, und halte die Reihenfolge der Nebensätze fest.

[subject anchor], [motion verb] [direction] [intensity], camera [camera move] [rate], [style constraint], [consistency guardrail]

Beispiel: Produktvideo

the ceramic vase, rotates slowly clockwise, camera holds static, studio product lighting, consistent shadows, no flicker

Beispiel: Porträtvideo

the woman, turns her head slightly to the right and blinks, camera slowly pushes in, photorealistic, natural skin texture, consistent lighting

Beispiel: Landschaftsvideo

the mountain ridge, clouds drift slowly to the right, camera pans slowly left, cinematic color grade, consistent lighting

Dein eigenes Rezept in vier Schritten bauen

1. Schreibe den Subjektanker als Nominalphrase. Nicht beschreiben – nur benennen.
2. Wähle eine Bewegung aus den Rezepten dieser Anleitung und ändere nur Richtungs- und Intensitätswörter.
3. Wähle eine Kameraphrase und stelle sicher, dass sie der Subjektbewegung nicht widerspricht.
4. Füge eine Stilvorgabe und eine Konsistenz-Leitplanke hinzu (consistent lighting, no flicker, stable palette).

Speichere die ausgefüllte Vorlage als reine Textdatei, eine Zeile pro Rezept, benannt nach der Absicht (portrait-headturn, product-rotate, landscape-clouds). Diese Datei wird deine Rezeptbibliothek; jedes neue Experiment beginnt mit dem Kopieren einer vorhandenen Zeile, statt von Grund auf zu schreiben.

Die Vorlage selbst versionieren

Wenn du merkst, dass du wiederholt einen fünften Slot hinzufügst – etwa einen Beleuchtungs-Nebensatz –, dann befördere ihn bewusst in die Vorlage und aktualisiere alle Rezepte auf einmal. Ad-hoc-Ergänzungen sind genau der Grund, warum Vorlagen zu Absätzen verrotten.

In kontrollierten Schritten iterieren

Prompt-Iteration scheitert oft, weil du mehrere Dinge gleichzeitig änderst und das Ergebnis nicht zuordnen kannst. Die Lösung ist prozedural, nicht kreativ.

Pro Lauf nur eine Variable ändern

Generiere zuerst eine Baseline und ändere dann pro Lauf nur eines der folgenden:

• Bewegungsverb
• Richtung
• Intensitätsmodifikator
• Kamerabewegung
• Kamerageschwindigkeit
• Stilvorgabe

Halte alles andere byte-identisch. Das ist dieselbe Disziplin wie bei einem kontrollierten Experiment und die einzige zuverlässige Methode herauszufinden, worauf das Modell reagiert.

Ein Vergleichsprotokoll führen

Das Protokoll kann eine reine Textdatei oder eine Tabelle sein. Notiere pro Lauf:

• Rezeptname
• Vollständiger Prompt-Text
• Welche einzelne Variable gegenüber dem letzten Lauf geändert wurde
• Kurzes Fazit: keep, reject oder needs another pass

Da Prompts reiner Text sind, ist das Einfügen des vollständigen Prompts billig und macht jeden Lauf vollständig rekonstruierbar. Fasse Prompts im Protokoll nicht zusammen – kopiere sie wortgetreu.

Gegen eine feste Baseline vergleichen

Die nützlichste Gewohnheit ist, für jeden Subjekttyp ein Referenzrezept zu pflegen und es neu zu generieren, sobald sich irgendwo in der Pipeline etwas geändert hat. Wenn die Baseline weiterhin richtig aussieht, ist deine Pipeline stabil und jede Abweichung lässt sich auf die Prompt-Änderung zurückführen. Wenn sich die Baseline verändert hat, stoppe die Prompt-Arbeit und untersuche zuerst die Pipeline.

In kleinen Chargen testen, gruppiert prüfen

Wenn du eine Richtungs- oder Intensitätsvariable testest, führe eine kleine Charge von Varianten aus statt einem einzelnen Video. Prüfe sie nebeneinander, wähle die beste und lösche den Rest aus der Bibliothek. Jede Variante zu behalten macht die Rezeptbibliothek zu einem unlesbaren Archiv.

Gewinner befördern, Verlierer aussortieren

Wenn eine Variante die Baseline klar schlägt, überschreibe den Baseline-Eintrag in der Bibliothek und notiere das Datum. Die Rezeptbibliothek sollte immer das aktuell bekannte beste Rezept für jede Absicht enthalten, nicht die Historie jedes Versuchs.

Häufige Fehlermuster und wie man den Prompt umstrukturiert

Die meisten 图生视频-Probleme sind eigentlich Prompt-Probleme im Gewand von Einstellungen. Probiere die folgenden Umstrukturierungen, bevor du irgendeinen anderen Parameter anfasst.

Video ist überanimiert

Symptom: Alles bewegt sich – Subjekt, Hintergrund, Beleuchtung – das Bild wirkt unruhig.

Umstrukturierung: Verstärke die Intensitätsdämpfung (slowly, subtly, gently), friere die Kamera explizit ein (camera holds static, no movement) und füge eine Konsistenz-Leitplanke hinzu (consistent lighting, no flicker). Wenn es weiterhin besteht, entferne eine Nebenbewegung aus dem Subjekt-Nebensatz.

Video ist fast bewegungslos

Symptom: Die Ausgabe ist im Wesentlichen das Referenzbild mit nur schwachem Flackern.

Umstrukturierung: Mach das Bewegungsverb stärker und physischer (nutze rotates statt shifts, walks toward the camera statt moves). Füge eine Richtung hinzu, falls sie fehlt. Wenn das Subjekt unbewegt bleiben muss, füge stattdessen eine Kamerabewegung hinzu – ein langsames Dolly-in erzeugt wahrgenommene Bewegung, ohne das Subjekt zu berühren.

Subjektidentität driftet

Symptom: Gesichter, Logos oder Produktformen verformen sich im Video.

Umstrukturierung: Kürze den Subjektanker und höre auf, sichtbare Details neu zu beschreiben. Füge in der Stilvorgabe subject remains unchanged oder stable [feature] hinzu. Große Kamerabewegungen, die neue Winkel zeigen, verstärken die Drift – reduziere den Bogen oder entferne ihn.

Kamera und Subjekt kämpfen gegeneinander

Symptom: Das Bild wirkt instabil, obwohl beide Nebensätze vernünftig klingen.

Umstrukturierung: Prüfe die Richtungen. Entgegengesetzte Vektoren (Subjekt bewegt sich nach links, Kamera schwenkt schnell nach rechts) erzeugen einen sichtbaren Konflikt. Richte sie aus oder reduziere eine davon auf slowly.

Zwei Bewegungen konkurrieren

Symptom: Keine der beiden Bewegungen wird abgeschlossen; beide wirken halbherzig.

Umstrukturierung: Teile es in zwei Rezepte auf, jeweils eine Bewegung pro Video. Wenn du tatsächlich beide brauchst, ordne sie (first [motion A], then [motion B]) und akzeptiere ein lockereres Ergebnis.

Stil driftet ins Generische

Symptom: Das Video wirkt glatter und „KI-hafter“ als das Referenzbild.

Umstrukturierung: Bekräftige das Medium explizit im Stil-Slot (flat illustration, 35mm film look, product photography) und füge, wo relevant, stable palette, consistent linework hinzu.

Allgemeine Regel

Wenn sowohl das Ändern von Einstellungen als auch das Ändern des Prompts das Problem zu lösen scheint, probiere zuerst die Prompt-Änderung – sie ist schneller, kostenlos zu testen und hält deine Pipeline zwischen den Läufen vergleichbar. Ändere Einstellungen erst, wenn der umstrukturierte Prompt weiterhin in dieselbe Richtung scheitert.

Sobald ein Rezept diese Umstrukturierungen übersteht, speichere es. Eine kleine, bewährte Bibliothek strukturierter Rezepte ist wertvoller als jeder einzelne clevere Prompt – und genau sie macht kandinsky-6.0-pro 图生视频 in deiner Pipeline reproduzierbar.